图/ICCV 2021 SSLAD Challenge Track1-2D Object Detection目标检测赛道第四名：冯若贤、王梦娇、张轩铭
团队采用了基于YoloV5以及YoloV4的目标检测网络完成目标检测任务 。 同时使用后置的SENet分类模块对目标检测的结果进行修正 。 针对输入数据的类别不平衡问题 ， 团队采用实例平衡增强的方法对原数据集进行采样并对采样结果随机进行包括高斯噪声 ， grid ， 小目标cut out等在内的多种数据增强 。 最后 ， 对得到的6个结果使用WBF进行了融合 。
2020级硕士研究生刘昕煜、王语涵组成的学生队伍获得了ICCV 2021 Video-And-Language Understanding Evaluation (VALUE) Challenge视频问答任务的第5名 。

文章图片

图/ICCV 2021 Video-And-Language Understanding Evaluation (VALUE) Challenge视频问答任务第5名：刘昕煜、王语涵
VALUE 2021视频问答赛道的任务用于评估 VALUE 基准中4个视频问答任务的算法 ， 测试数据集包括 TVQA、How2QA、VIOLIN 和 VLEP ， 实现高效的视频推理 ， 回答视频相关问题 。 该学生队伍采用的基于HERO的多模态网络架构 ， 它具有强大的理解多通道视频的能力 。 团队将一系列视频片段和字幕句子作为输入 ， 并以分层方式对它们进行编码 ， 并使用跨模态转换器来融合字幕句子及其伴随的本地视频片段 。 跨模态转换器之后是时间转换器 ， 以使用视频中的所有片段获得每个片段的全局上下文嵌入 。 该网络可以作为多通道视频编码器应用于不同类型的视觉-文本任务 。 最终 ， 经过多任务、多通道训练 ， 最后将多个单模型进行投票得到了最终成绩 。

文章图片

ICCV ， 全称IEEE International Conference on Computer Vision（国际计算机视觉大会）由IEEE主办 ， 在世界范围内每两年召开一次 。 其与计算机视觉模式识别会议（CVPR）和欧洲计算机视觉会议（ECCV）并称计算机视觉方向的三大顶级会议 。
【西安电子科技大学智能学子在ICCV 2021竞赛中再获六项冠亚季军】 让学生通过学术竞赛快速提升科研能力、加强学术交流是人工智能学院人才培养的有力举措之一 。 “赛中学”不仅让学生快速了解该领域的相关知识 ， 提高学生科研的动力 ， 同时也锻炼了学生的组织协调能力、抗压能力 。 近年来 ， 西安电子科技大学智能学子已连续在多个国际顶会赛事中取得优异成绩 ， 仅在2021年就于IGARSS、CVPR与ICCV国际赛事上已累计获得了7冠军、8亚军与5季军共20项奖项 ， 人才培养成效显著 。